使用numpy mask：

df[np.sum(df.values[:,1:]) < 2]

应该比基于pandas的计算更快。

您可以使用布尔索引，匹配或值的sum（如果只有0/1）作为引用：

out = df[df.drop(columns='Items').sum(axis=1).lt(2)]

或者：

out = df[df.eq(1).sum(axis=1).lt(2)]

输出：

Items  notebook  ballpoint  pencil  eraser  pencil.1  sharpener  stapler  paper  scissors  glue
2  image3         0          0       0       0         1          0        0      0         0   NaN
3  image4         0          0       0       0         0          1        0      0         0   NaN
4  image5         0          0       0       0         0          0        0      1         0   NaN

中间分度系列：

df.drop(columns='Items').sum(axis=1).lt(2)
# or
# df.eq(1).sum(axis=1).lt(2)

0    False
1    False
2     True
3     True
4     True
dtype: bool